基于GSA-GA神经网络的铸造企业订单准入评价研究

为指导铸造企业在市场中科学地选择订单进行生产加工,以砂型铸造企业为研究对象。在综合考虑企业各个关键部门对订单的评价指标的基础上,设计了砂型铸造企业订单准入评价指标体系,并构建一种基于GSA-GA神经网络的订单准入评价模型。算法中使用Tent映射初始化种群保证随机特征,并引入遗传算法的交叉、变异算子保持对全局最优粒子的获取且提升算法探索能力。为验证模型的有效性,以某砂型铸造企业订单准入评价问题实例进行实验分析,进行参数实验并与其他算法进行对比。结果表明,所建模型的平均相对误差为1.945%,能帮助砂型铸造企业进行科学的订单准入评价决策,提高砂型铸造企业生产效率。

基于深度学习的园林智能浇灌系统

园林浇灌有自动浇灌和人工浇灌2种模式,但都存在水资源浪费、人力资源浪费和不合理浇灌等问题。针对这些问题,文中将深度学习和机器视觉技术应用于土壤湿度分类,以土壤图像与对应的湿度为样本,建立了卷积神经网络框架,并基于大量实验对卷积神经网络进行了训练和验证,实现了基于土壤图像信息的浇灌需求智能决策,决策正确率达到85%以上,并与控制系统相结合,实现了园林智能浇灌系统,从而达到合理浇灌、节约水资源与人力资源的目标。